Nous Research 的 HermesAgent：能自学技能、跨会话记忆的 AI 智能体

如今大多数 AI 聊天机器人都会在你开启新对话时"失忆"：上次教它的东西荡然无存。Nous Research 的一个开源项目 HermesAgent 正在走相反的路线——让 AI 智能体（AI Agent）在一次次使用中积累技能，并让记忆跨会话长期保留。

健忘的智能体与自学的智能体，差别在哪

用过聊天机器人的人都熟悉这种体验：每次开场，你都得从头解释一遍内部部署流程、公司 API 的调用方式、文件命名习惯……对话一结束，这些"知识"就被清空。对个人用户来说只是麻烦；对企业来说则是一个悖论：用得越多，要重新教的就越多。

自学型智能体（Self-improving Agent）正是瞄准了这个痛点。它不是每场会话都从一张白纸开始，而是在每个任务完成后主动记下学到的东西——某类错误的处理方法、一套多步骤流程、用户的一项惯例——并在下次直接复用。这类智能体的价值因此是累积式的：越用越懂你，而不是越用越熟、随后又忘。

HermesAgent 是什么

HermesAgent 是 Nous Research 推出的开源 AI 智能体项目——这家实验室以秉持开放权重理念的 Hermes 系列模型而闻名。围绕该项目被广泛传播的两大特性：

• 在使用中自学技能： 完成一项任务后，智能体会把做法提炼成可复用的"技能"，下次不必再从头摸索。
• 跨会话记忆： 记忆不被限制在单次对话里——上个会话学到的东西，等你之后再回来时依然还在。

开源是第三个值得关注之处：用户可以自己读代码、自己修改、自行部署，不必完全依附于某家集团的封闭服务。

一个智能体实际上如何"学技能"

尽管每个项目的实现各有不同，新一代智能体通常结合了三种用户可感知的机制：

1. 持久记忆（Persistent Memory）： 笔记、偏好、工作背景被保存为会话之外的文件或数据库，需要时重新加载。
2. 技能库（Skill Library）： 每完成一个复杂任务，就可以把过程提炼成一套程序——比如"这个团队的文档构建与发布方法"——下次一句话即可调用。
3. 自我评估循环： 智能体把结果与要求对照，记录哪些做法有效、哪些无效，从而下次做得更快、错得更少。

用户能直接感受到的变化是：需要重复交代的内容少了，重复性操作被逐步自动化，智能体日益成为贴合业务的"搭档"，而不是一个每天都要重新认识的助手。

这条路线为何值得关注

• 降低"教 AI"的成本： 实际使用智能体的大部分时间其实花在提供背景信息上。可累积的记忆砍掉了这部分重复开销。
• 知识留在组织里： 员工来来去去，但智能体从内部流程中学到的技能会留下来——一种新型的知识资产。
• 透明与可控： 对于开源项目，企业可以检查智能体记了什么、存在哪里、谁有权读取——这对封闭的聊天机器人来说几乎不可能。

需要注意的事项

智能体记得越多，责任就越重：

• 错误的记忆也会被"学习"： 如果智能体从一次出错的操作中得出错误结论，它可能会自信地重蹈覆辙。需要定期审查并清理记忆库。
• 记忆数据的安全： 包含内部信息的记忆应像机密文档库一样被保护——权限分级、备份，并考虑在自有基础设施上自行部署。
• 并非魔法： 智能体仍需要清晰的开局指引；"自学"缩短的是长路，并不能替代把问题本身定义清楚。

给越南企业的启示

对越南的中小企业来说，自学型智能体开辟了更现实的场景：与其购买封闭的聊天机器人服务、每天重新教一遍，不如在自己的基础设施上部署一个智能体，让它逐步吸收内部标准作业程序（SOP）——从客户服务流程到数据处理管道——并沉淀为公司的数字资产。由于这是开源项目，技术团队还可以直接参与贡献和验证。

结语

AI 竞赛的重心正在从"更聪明的模型"转向"会学习、能记住的智能体"。Nous Research 的 HermesAgent 正是这条路线的代表之一：技能随使用累积、记忆跨会话延续、一切都开放到可供任何人检验。如果你已经厌倦了每天早晨向聊天机器人"重新自我介绍"，这是一个值得追踪的技术方向。

资料来源：整理自 Facebook 技术分享，由 Wotech Electronics 编辑。

如果您的企业希望调研可自主部署的 AI 智能体方案用于内部流程，Wotech Electronics 团队随时愿为您咨询并陪同落地。